Python&＃xff08;发音&＃xff1a;英[?pa?θ?n]&＃xff0c;美[?pa?θɑ:n]&＃xff09;&＃xff0c;是一种面向对象、直译式电脑编程语言&＃xff0c;也是一种功能强大的通用型语言&＃xff0c;已经具有近二十年的发展历史&＃xff0c;成熟且稳定。它包含了一组完善而且容易理解的标准库&＃xff0c;能够轻松完成很多常见的任务。它的语法非常简捷和清晰&＃xff0c;与其它大多数程序设计语言不一样&＃xff0c;它使用缩进来定义语句。
Python支持命令式程序设计、面向对象程序设计、函数式编程、面向切面编程、泛型编程多种编程范式。与Scheme、Ruby、Perl、Tcl等动态语言一样&＃xff0c;Python具备垃圾回收功能&＃xff0c;能够自动管理存储器使用。它经常被当作脚本语言用于处理系统管理任务和网络程序编写&＃xff0c;然而它也非常适合完成各种高级任务。Python虚拟机本身几乎可以在所有的作业系统中运行。使用一些诸如py2exe、PyPy、PyInstaller之类的工具可以将Python源代码转换成可以脱离Python解释器运行的程序。
粉丝独白
说起热门的B站相信很多喜欢玩动漫的&＃xff0c;看最有创意的Up主的同学一定非常熟悉。我突发奇想学Python这么久了&＃xff0c;为啥不用Python爬取B站中我关注的人&＃xff0c;已经关注的人他们关注的人&＃xff0c;看看全站里面热门的UP主都是是哪些。
要点&＃xff1a;
爬取10万用户数据
数据存储
数据词云分析
1.准备阶段
写代码前先构思思路&＃xff1a;既然我要爬取用户关注的用户&＃xff0c;那我需要存储用户之间的关系&＃xff0c;确定谁是主用户&＃xff0c;谁是follower。
存储关系使用数据库最方便&＃xff0c;也有利于后期的数据分析&＃xff0c;我选择sqlite数据库&＃xff0c;因为Python自带sqlite&＃xff0c;sqlite在Python中使用起来也非常方便。
数据库中需要2个表&＃xff0c;一个表存储用户的相互关注信息&＃xff0c;另一个表存储用户的基本信息&＃xff0c;在B站的用户体系中&＃xff0c;一个用户的mid号是唯一的。
然后我还需要一个列表来存储所以已经爬取的用户&＃xff0c;防止重复爬取&＃xff0c;毕竟用户之间相互关注的现象也是存在的&＃xff0c;列表中存用户的mid号就可以了。
2.新建数据库
先写建数据库的代码&＃xff0c;数据库中放一个用户表&＃xff0c;一个关系表&＃xff1a;
3.爬取前5页的用户数据
我需要找到B站用户的关注列表的json接口&＃xff0c;很快就找到了&＃xff0c;地址是&＃xff1a;
其中vimd&＃61;后的参数就是用户的mid号
pn&＃61;1指用户的关注的第一面用户,一面显示20个用户
因为B站的隐私设置&＃xff0c;一个人只能爬取其他人的前5页关注&＃xff0c;共100人。
整个爬取页面的思路比较简单&＃xff0c;首先设置header,用requests库进行API请求&＃xff0c;获得关注的用户数据列表。
我们爬取前5页&＃xff0c;每一页的数据进行简单的处理&＃xff0c;然后转为字典数据进行获取mid,uname,sign3个维度的数据&＃xff0c;最后save()函数存入db.
4.存入数据库
我们数据集里面一共有2个表&＃xff0c;一个用户列表&＃xff0c;用来存储所以的用户信息&＃xff0c;一个是用户之间的关注信息。
5.探秘是热门UP主
打算利用已经爬取到本地的数据进行词云的生成&＃xff0c;来看一下这10万用户中共同的关注的哪些UP主出现的次数最多。
代码的思路主要是从数据库中获取用户的名字&＃xff0c;重复的次数越多说明越多的用户关注&＃xff0c;然后我使用fate的一张图片作为词云的mask图片&＃xff0c;最后生成词云图片。
最后一起来看一下词云图
可以看出蕾丝&＃xff0c;暴走漫画&＃xff0c;木鱼水心&＃xff0c;参透之C君&＃xff0c;papi酱等B站大UP主都是热门关注。
Python可以做什么&＃xff1f;
web开发和 爬虫是比较适合 零基础的
自动化运维 运维开发 和 自动化测试 是适合 已经在做运维和测试的人员
大数据 数据分析 这方面 是很需要专业的 专业性相对而言比较强
科学计算 一般都是科研人员 在用
机器学习 和 人工智能 首先 学历 要求高 其次 高数要求高 难度很大
我有一个微信公众号&＃xff0c;经常会分享一些python技术相关的干货&＃xff1b;如果你喜欢我的分享&＃xff0c;可以用微信搜索“python语言学习”关注
欢迎大家加入千人交流答疑裙&＃xff1a;699&＃43;749&＃43;852
京公网安备 11010802041100号